董鹏坤，杨赛楠，张诗荟，贾天雷，陈 涛

（河北北方学院 信息科学与工程学院，河北 张家口 075000）

随着科学技术的飞速发展，人们对火灾处理的相关技术给予高度重视，本文基于对火焰识别的视觉特征进行分析，研究火焰区域分割的具体方法，在此基础上建立相关分层模型，进一步推动基于图像处理的火焰识别系统的建立和完善。在建立火焰识别系统的过程中，需要利用多种运动目标检测技术进行区域分割，并进行图像二值化处理，根据颜色特征对象素进行分类，以便排除其他非关键因素的干扰，降低火焰识别系统的误报率，从而提高系统精度。完成区域分割等初步处理步骤之后，还需要进一步利用图像处理技术进行火焰区域的特征提取，通过多种操作及计算过程对获取的图像进行灰度形态学处理，再进行面积、角点等要素的提取，最终实现火焰位置标定，促成火焰识别系统的完善。

1.1 火焰识别的视觉特征

基于图像处理的火焰识别技术通常是根据火焰的视觉特征进行识别，火焰的视觉特征通常可以分为静态特征和动态特征两大类。静态特征一般包括较为直观的颜色特征和纹理特征，二者之中最明显的特征当属颜色特征。火焰的颜色通常与温度、可燃物、燃烧程度、光照强度等因素有直接关联，通过对颜色特征进行初步分析可以了解火焰的基本情况。在建立火焰像素颜色模型时，需要综合考虑影响火焰颜色的各种客观要素，通过算法导入所要建立的模型中，以便后续调取并研究火焰基本要素。火焰的纹理特征相较于颜色特征来说不易观察，同时与颜色特征密切相关，通常指的是火焰由内而外所表现出来的不同颜色值，通过对纹理特征的观察和研究，研究者可以计算与火焰相关的诸多物理参数，这对颜色模型的建立也有重要辅助作用［1］。火焰的动态特征相对来说更为复杂，但却是进行火焰识别的重要手段。受到空气流动的影响，火焰通常会表现出随机运动及具有固定闪烁频率的特性，这有助于对火焰进行准确识别，将其与一般的动态目标区分开来。

1.2 特征分类方法

从不同角度看待火焰的视觉特征，依据不同的标准及火焰所表现出来的特性通常有多种不同的分类方法，其中应用最广泛的一种分类方法就是阈值分类法，又称为基于规则的分类法。该方法的分类依据是针对火焰所表现出来的每个动态特征，设置一个固定的阈值作为提取过程的主要约束条件，如果所要提取的图像要素满足该阈值的约束条件，则初步判定所研究区域为真实的火焰。这种方法操作简便，又与火焰本身具有的特征紧密相关，能够快速识别火焰，准确性较高。此外，对于具有多种特征、多种传感器融合而成的火焰识别系统，通常需要结合火焰所表现出来的各种特征进行综合分析，确保能够对同一事物进行准确而全面的判断，使得所建立的火焰识别系统更加精准地识别出具体的研究对象。其中，在进行多种传感器融合过程中，所用的数据融合方法主要有引入神经网络分类法、贝叶斯网络分类法及支持向量机分类法等，要根据实际操作情况及数据融合的特点，选择最优化、最适合的数据融合方式，确保火焰识别系统的精准性、高效性。

1.3 火焰识别算法的分层模型

基于图像处理的火焰识别系统采用的火焰识别算法的核心理念是利用运动目标检测技术提取火焰的主要运动区域，在提取完成后，根据火焰所表现出来的颜色特征进一步分割运动检测结果，并剔除影响结果分析的非火焰运动干扰物，从而得到更精准、无关影响因素更少的目标研究区域，又称为可疑区域；
在完成可疑区域的初步提取后再针对该区域进行特征参数的提取，在识别与分类阶段把获取的特征参数与火焰的视觉特征进行详细比对和分析，从而实现对火焰的准确判断，在此基础上建立算法的分层模型。算法的分层模型通常包括输入层、目标分割层、特征提取层、决策与分类层、结果输出层等，在输入层需要输入获得的视频图像序列，运用帧差法、背景差法等对输入的目标进行分割，然后提取以颜色特征为主的火焰静态特征及其他动态特征，并进行初步处理，再传送到决策与分类层进行进一步处理及数据融合，最后在结果输出层进行火焰确认。根据这个算法的分层模型，能够更加科学有序地进行火焰识别系统的建设。

在所获得的图像资料中，静止的目标通常难以进行火焰识别，需要分析运动目标相邻帧间的变化情况用于火焰确认。一般情况下，在进行运动目标检测过程中常用的方法有背景差分法、帧差法及光流法等。

2.1 背景差分法

背景差分法通常指的是通过计算当前帧同背景帧之间的差值，从而实现对运动目标的检测的方法，计算公式如下：

公式（1）中，I（x，y）表示当前帧的坐标，B（x，y）表示背景帧的参数［2］，将两者数据输入计算机视觉库中进行仿真比对，所得结果如图1所示。

图1 背景差分法

根据图1可知，运用背景差分法能够较为完整地将目标运动区域提取出来进行下一步操作，但是由于该结果是在理想条件下得出的，在实际的应用中光线的变化、其他物体运动的干扰及系统噪声等外界条件都会对实验结果产生干扰，所以需要采取相应手段尽可能消除干扰因素带来的不利影响。

2.2 帧差法

帧差法又称为时间差分法，是获取视频序列中相邻两帧的图像差值从而进行目标提取的方法，该方法操作简单快捷、易于实现、实时性强，无需复杂的建模过程，易于编程实现，是当前在运动目标检测中运用最广泛的方法。由于相邻两针之间的时间间隔很短，火焰光线的变化在这期间不会产生明显差别，能够具有更加明显的分割效果，在常规的实验研究中，研究者通常都会采用帧差法进行火焰运动区域的检测。

在进行运动目标检测之后，还必须对所获得的结果进行阈值处理，将检测结果分割为背景点和前景目标，使得像素值只剩0和255两种，从而降低运算过程的复杂程度。图像二值化的过程见公式（2），如果当前像素的亮度值大于阈值，则认为其为前景目标，将它的值设置为255；
反之，则将其认定为背景点，将它的值设置为0。

公式（2）中，k表示第k帧图像，Dk（x，y）表示当前像素点（x，y）的亮度值，Tk（x，y）表示最后的处理结果，Tk则表示在实验过程中设定的阈值［3］。从该公式（2）中可以看出，二值化处理结果的好坏通常取决于阈值的选取是否合理，如果选取的阈值过大，则可能提取太多无关紧要的目标，如果选取的阈值过小，则容易导致太多有价值的目标丢失。火焰通常都是在剧烈变化的，每一帧之间都会有明显差别，因而不能使用固定阈值，应当根据火焰图像的亮度值变化采用自适应阈值，计算最佳的阈值，以便能够得到理想的、符合实验要求的分割效果，最终获得的处理结果如图2所示。

图2 二值化处理结果

在RGB色彩模式中，3个色彩通道都包含大量的亮度信息，这就说明在颜色分割过程中所受到的光照影响较大，进行图像特征提取时应当基于灰度图像进行操作，进行灰度图像转换时需要经过严密的换算过程。在Y′CbCr色彩空间中，亮度信息与色差信息之间是相互分离的，在建立火焰的颜色模型可以忽略亮度的影响，利用火焰的颜色信息对所获取的像素进行分类之后，可以将亮度信号Y提取出来构成灰度图像，以此作为后续算法所需的输入信号，并舍弃Cb及Cr两种色差信号，节省颜色空间转换所消耗的时间及系统存储资源。因此，基于以上考虑，选取Y′CbCr色彩空间更合适。在实际操作过程中，可根据公式（3）对像素进行分类。

公式（3）中，Y（x，y）、Cb（x，y）、Cr（x，y）分别代表坐标为（x，y）的像素点的亮度分量、蓝色差分量及红色差分量的值。如果一个像素的色彩分量值能够同时满足Y（x，y）＞Cb（x，y）且 Cr（x，y）＞Cb（x，y），则认为其疑似火焰，保持其像素值不便，否则置为黑色［4］。

经过上述操作，系统能够获取一处非火焰运动区域，得到疑似火焰区域，这一区域中除了有火焰目标，还可能有移动光源，如车灯，还可能有因颜色相似而被误认为是火焰的非火焰目标，比如穿红色衣服的行人及红色外观的其他东西，这些因素依旧会对火焰识别造成干扰，还必须结合火焰的其他特征排除干扰，降低系统误报率。

5.1 灰度形态学处理

在对所获得的火焰区域进行特征提取之前，需要对图像进行腐蚀及膨胀处理，以便去除其中的毛刺并对图像中存在的一些细小空洞进行填补，从而避免图像噪声影响特征提取的结果。对于已经进行过二值化处理的图像，腐蚀过程可以看做是图像上的结构元素原点依次与目标点进行重合的过程，如果结构元素点能够包含于目标点范围内则进行保留，否则将其移除。经过腐蚀操作，可以有效去除结构元素中所包含的噪声点，分隔开具有细小连接的两个物体，提高实验精度。膨胀运算与腐蚀运算类似，是对原二值图像中的空洞点进行填补，增大前景目标的轮廓，降低图像噪声带来的影响。腐蚀与膨胀二者并不是一对逆运算，其操作顺序不同会带来不同的效果，通常将先腐蚀运算后膨胀运算称为开运算，而将先膨胀再腐蚀的过程称为闭运算。对图像进行开运算操作，可以有效消除图像中孤立的噪声点，切断其中的微小连接，在不改变原有图像面积的基础上平滑目标较大目标的边界，从而减少实验误差。

5.2 火焰区域特征提取

在对目标火焰区域进行特征提取时，主要提取的要素是面积特征和角点特征。火焰的动态特征在面积上会表现出明显的不同，失控的火焰面积随时间的延长变化更大，而受控的火焰面积相对比较稳定，随时间的变化率较小。根据面积变化特征，可以对这两种火焰进行有效识别。在实验过程中使用的图像传感器通常都是平面传感器，系统一般情况下会将火焰区域面积变化率作为识别判据之一。设系统采集到的第k帧和第k+1帧的火焰面积分别为Sk，Sk+1，则面积变化率［5］：

但是，进行整个轮廓的判别计算量较大，可以提取角点信息进行准确判别，减少工作量。火焰在燃烧过程中通常还会受周边空气流动的影响，不同的空气流动会导致火焰轮廓产生相应的抖动，通过对火焰轮廓的判断能够有效提高火焰识别的准确率。利用角点的算法规则对火焰及其他类型的光源进行具体的焦点树木分析，可以得到相应的角点数据，通过增加角点检测方法，能够有效排除其他人造光源对火焰识别系统造成的影响。

5.3 火焰位置标定

当火焰识别系统发现火焰时，通常会在显示器上用矩形框包围和输出火焰目标，将之作为报警信号。想要达到这个目的必须先获得外接矩形，根据链码表简单表示出研究对象的边界，对边界进行编码，运用特定算法进行轮廓获取。链码通常是通过连接指定的长度及方向，使用直线段序列表示对象的边界，可用4-临域和8-临域两种链码编码方案指定每个链码的方位。在获得的图像上选定任意像素点作为链码起始点依次进行标定，即可得到该图像的链码表示，这一步骤也可根据轮廓跟踪算法获得。得到相应的链码表示轮廓之后，通过对链码的遍历可以找到轮廓中相应的最高点、最低点等特殊点，对这些特殊点进行计算即可得到相应的外接矩形，从而准确标记出火焰位置，完成火焰识别。

本文在基于图像处理进行火焰识别系统的建立过程中，对火焰视觉特征进行初步分析，在比较之后选用帧差法作为运动目标检测的主要方式，并在此基础上初步建立了分层模型，结合运动目标检测的结果对图像要素进行了分类，从中提取火焰区域。针对其他要素所产生的影响，本文采用开运算进行初步的图像处理，对火焰区域进行了特征提取，进而详细分析了火焰区域的面积和角点特征，并在此基础上给出了特征参数提取算法，以此作为火焰识别的主要依据，从而建立和完善火焰识别系统。

猜你喜欢 特征提取阈值火焰 同步定位与建图特征提取和匹配算法研究导航定位学报(2022年5期)2022-10-13最亮的火焰音乐天地(音乐创作版)(2022年1期)2022-04-26改进的软硬阈值法及其在地震数据降噪中的研究重庆大学学报(2022年2期)2022-02-28土石坝坝体失稳破坏降水阈值的确定方法建材发展导向(2021年19期)2021-12-06基于小波变换阈值去噪算法的改进计算机仿真(2021年6期)2021-11-17缤纷的火焰学苑创造·A版(2021年2期)2021-03-11改进小波阈值对热泵电机振动信号的去噪研究智能计算机与应用(2020年4期)2020-08-31空间目标的ISAR成像及轮廓特征提取北京航空航天大学学报(2019年9期)2019-10-26漂在水上的火焰动漫星空(兴趣百科)(2019年5期)2019-05-11基于MED—MOMEDA的风电齿轮箱复合故障特征提取研究电机与控制学报(2018年9期)2018-05-14